[发明专利]一种基于数据挖掘技术的电网电压越限成因诊断方法

说明书

本发明涉及电气自动化领域，公开了一种基于数据挖掘技术的电网电压越限成因诊断方法，包括下列步骤：A)提取越限电压，采集越限电压的相关特征；B)删除不良数据，进行数据预处理，得到样本数据；C)构建K‑means改进聚类模型，获取电压越限成因聚类结果；D)对电压越限成因聚类结果进行分类标识；E)构建SVM多分类器模型，优化模型参数；F)输入待诊断数据样本到SVM多分类模型，将SVM多分类模型的输出作为待诊断数据样本的电压越限成因。本发明效率高，减少了人为主观因素的影响，快速有效地处理电网低压海量数据，改进了K‑means聚类模型，得到好的聚类效果，同时，对SVM模型进行参数优化，增加了电网电压越限成因诊断的准确性。

技术领域

本发明涉及电气自动化技术领域，尤其是涉及一种基于数据挖掘技术的电网电压越限成因诊断方法。

背景技术

近年来，随着我国经济的快速发展，城市扩张速度明显加快，电网结构日趋复杂，电压过低的现象屡见不鲜，然而，电压过低一方面会增加系统运行损耗，损害变压器、电动机等设备的使用寿命，另一方面还可能造成大面积的停电事故，严重危害了企业的正常生产和居民的日常生活，给社会造成巨大的经济损失。目前，电网的低压诊断仍以人工分析为主，其主要技术手段是依据少量的实时量测，并辅以运行人员的经验判断进行分析。这种方式不仅效率低下，其分析过程还受到人为主观因素的影响，难以保证结果的准确性。此外，随着电网结构复杂度以及智能量测装置急剧增加，电网每天产生海量、异构的数据，以往的人工诊断方式效率低，已无法有效应对当前电网状况，且其所得的低电压成因分类是否全面也值得考虑。因此，对电网的低压成因进行诊断，探索相关应对策略，建立快速有效的电压越限成因诊断模型对于优化系统投资、减少运行损耗、实现低压综合治理具有重要意义。

例如，一种在中国专利文献上公开的“一种基于前推回代算法的低电压台区智能治理方法”，其公告号CN104362637A，包括以下步骤：一是确定具有低电压现象的台区；二是原始数据采集；三是画图和设置电气元件参数；四是潮流计算；五是低电压成因分析；六是低电压治理与经济性评估。该发明需要人为地画图和设置电气元件参数，其分析过程还受到人为主观因素的影响，难以保证结果的准确性。

发明内容

本发明是为了解决人工诊断分析电网电压越限成因的效率低，分析过程还受到人为主观因素的影响，难以保证结果准确性的问题，提供一种基于数据挖掘技术的电网电压越限成因诊断方法。该方法效率高，减少了人为主观因素的影响，快速有效地处理电网低压海量数据，改进了K-means聚类方法，得到好的聚类效果，同时，对SVM模型进行了参数优化，增加了电网电压越限成因诊断的准确性。

为了实现上述目的，本发明采用以下技术方案：

一种基于数据挖掘技术的电网电压越限成因诊断方法，包括下列步骤：

A)设定电压阈值范围，提取超过阈值范围的越限电压，采集所述越限电压的相关特征：包括动态特征和静态特征，静态参数包括用户电压、用户电流、正向有功、正向无功、反向有功、反向无功、功率因素、出口A相电压、出口B相电压、出口C相电压、出口A相电流、出口B相电流、出口C相电流、负载率和三相不平衡度，静态参数包括：电表编号、挂接配变编号、距挂接配变距离、挂接相位、用电分类编号、配变数据编号、额定容量、出口线路型号、相带用户数和最大供电半径；

B)删除不良数据，不良数据包括重复数据和不完整数据，进行数据预处理，得到数据样本；

C)构建K-means改进聚类模型，利用数据样本训练该K-means改进聚类模型，获取电压越限成因聚类结果；

D)对电压越限成因聚类结果进行分类标识，获取标识结果；

E)构建SVM多分类模型，使用电压越限成因聚类结果和标识结果训练该SVM多分类模型；

F)输入待诊断数据样本到SVM多分类模型，将SVM多分类模型的输出作为待诊断数据样本的电压越限成因。